Flywire 如何用 Orbit 构建可控的 Agent 工作流：Eduardo Simon 与 Javier Casal 分享

📌 One-Sentence Summary

Flywire 介绍 Orbit 如何把零散的 Agent 实验变成经过评审、权限受控的工作流，在受监管的工程环境中保证可靠性，只让模型处理需要推理的步骤。

📝 Summary

Eduardo Simon 和 Javier Casal 介绍了 Flywire 的内部平台 Orbit。作为支付业务团队，他们把工作流定义放在代码仓库中，沿用合并请求评审，并用确定性活动处理可预见的步骤，让 LLM 只负责有限的推理任务。分享覆盖代码评审、翻译、生产故障调查和批量仓库修复，也解释了编排层、运行环境与会话状态如何拆分。超时、限流、锁、逐步骤的网络与工具权限、JSON Schema、链路追踪和步骤级评测共同控制风险。团队披露了过去 30 天超过 9700 次自动代码评审，同时坦承构建隔离和评测能力仍在完善。

💡 Main Points

把 Agent 约束在经过评审的工作流中

Orbit 把 YAML 工作流放进代码仓库，以确定性活动完成可预测任务，只在边界清晰的环节调用模型推理。

拆分编排、运行环境和状态

平台从单个 Fargate 容器演进为分离架构，以便独立扩展和恢复，并用时限、速率限制及锁控制重复或失控执行。

为每一步明确权限与输出

平台逐步骤限制网络、工具、技能和 MCP 访问，强制结构化 JSON 输出，并借助生产链路数据评测模型步骤。

以真实使用量验证，同时保留改进空间

团队报告了大量代码评审和维护任务运行，但更完整的沙箱与更可靠的评测仍是后续工作。

💬 Key Quotes

我们把重复的流程逻辑固化为代码，只在真正需要推理时才调用模型。

所有可预测的步骤都保留为代码，这正是工作流可靠的原因。

📊 Article Meta

AI Screening： 90

Featured： Yes

Source： AI Engineer

Author： AI Engineer

Category： 软件编程

Language： 英文

Read Time： 12 min

Word Count： 2863

Tags：

AI 与智能应用 , AI Agent , Agent编排 , AI 工作流 , 金融科技

Play Full Video